Исходные данные для анализа уровня инновационного развития содержатся в ежегодном сборнике «Регионы России. Социально-экономические показатели».
За результирующий признак (т.е. зависимая переменная), мы взяли:
объем промышленного производства РД - млн. руб. (Y1);
объем отгруженной инновационной продукции (объем инновационной продукции) - млн. руб. (Y2);
ВРП- млн. руб. (Y3);
Продукция сельского хозяйства - млн. руб. (Y4);
Затраты на ИКТ - млн. руб. (Y5).
За независимые переменные мы взяли:
внутренние затраты на исследования и разработки;
численность персонала занятого исследованиями и разработками;
численность аспирантов и докторантов;
инвестиции в основной капитал (производственного назначения);
количество организаций выполняющих исследования и разработки.
С помощью модельного комплекса нам удалось построить эконометрические модели линейного и степенного вида, характеризующие влияние показателей инновационной деятельности на валовой региональный продукт, сальдированный финансовый результат и объем промышленного производства в регионах Северо-Кавказского федерального округа. Расчетные данные показывают достаточно тесную корреляцию показателей инновационной деятельности с валовым региональным продуктом и объемом промышленного производства, тогда как с сальдированным финансовым результатом тесной связи не прослеживается. Для зависимости валовой региональный продукт – внутренние затраты на исследования и разработки получены следующие результаты табл. 1
Коэффициент r2(индекс детерминации) характеризует степень тесноты корреляции между рассматриваемыми показателями, в данной таблице мы видим что r2для показателя Х1 является достаточно высоким, следовательно модель статистически значимая.. Также сравнивая r2для линейной и степенной функций, мы видим, что линейная функция лучше описывает зависимость между переменными.
Таблица 1
Расчетные показатели, характеризующие влияние внутренних затрат на исследования и разработки(Х1) на валовой региональный продукт (Y1)
а |
tа |
tb |
r2 |
F |
||
Линейная коррелированность |
-4,06 |
0,28 |
-0,15 |
3,89 |
0,75 |
15,13 |
Степенная коррелированность |
4,52 |
0,10 |
1,60 |
2,78 |
0,61 |
7,74 |
Для проверки значимости модели регрессии используется F-критерий Фишера. Этот критерий как в линейной, так и в степенной модели выше критического, что свидетельствует о возможности их использования для анализа.
Таблица 2
Расчетные показатели, характеризующие влияние численности персонала, занятого исследованиями и разработками (Х3) на валовой региональный продукт (Y1)
а |
tа |
tb |
r2 |
F |
||
Линейная коррелированность |
-6,78 |
0,10 |
-0,31 |
11,31 |
0,96 |
127,91 |
Степенная коррелированность |
0,32 |
0,81 |
-1,25 |
2,86 |
0,62 |
7,22 |
Оценка влияния на ВРП числа организаций, выполнявших исследования и разработки не выявило статистически значимой корреляции между показателями.
Для зависимости ВРП – численность персонала, занятого исследованиями и разработками (Х3) получены следующие результаты табл.2
Согласно данным таблицы модель в целом и параметр b статистически значимые, об этом свидетельствуют F-критерий Фишера и t-критерий Стьюдента. Увеличение численности персонала занятыми исследованиями и разработками на 1 чел. в среднем дает прирост ВРП на 0,1 млрд. руб. Коэффициент регрессии в степенной модели свидетельствует о росте в среднем на 0,81% ВРП в СКФО при росте Х3 на 1 процент.
Модель ВРП - численность исследователей с учеными степенями Х4, согласно коэффициенту детерминации и F-критерию Фишера также статистически значимая. Результаты моделирования представлены в табл.2.
Согласно модели линейного вида увеличение числа исследователей с учеными степенями на 1 единицу приводит в среднем к росту ВРП на 0,59 млрд. руб. Коэффициент регрессии в степенной модели говорит о том, что, рост числа исследователей с учеными степенями на 1 процент ведет в среднем к росту ВРП на 1,04 процента.
Таблица 3
Расчетные показатели, характеризующие влияние внутренних затрат на исследования и разработки (Х1) на объем промышленной продукции (Y3)
а |
tа |
tb |
r2 |
F |
||
Линейная коррелированность |
-8,27 |
0,10 |
-0,45 |
2,16 |
0,48 |
4,66 |
Степенная коррелированность |
0,02 |
1,21 |
-4,00 |
6,25 |
0,89 |
39,07 |
Из двух моделей статистически значимой получилась модель степенного вида. Коэффициент детерминации равен 0,89, что говорит о том, что 89% вариации Y3 объясняет построенное уравнение регрессии. Критерий Фишера, а также критерии Стьюдента для параметров модели выше критических значений, что также свидетельствует о высоком качестве модели. Согласно коэффициенту регрессии при X3 в модели степенного вида прирост внутренних затрат на исследования и разработки и на один процент приводит в среднем к росту промышленного производства на 1,21 процентов.
Таблица 4
Расчетные показатели, характеризующие влияние численности исследователей с учеными степенями (Х4) на объем промышленной продукции (Y3)
а |
tа |
tb |
r2 |
F |
||
Линейная коррелированность |
-5,52 |
0,17 |
-0,24 |
1,53 |
0,32 |
2,34 |
Степенная коррелированность |
0,0008 |
1,89 |
-2,57 |
3,37 |
0,69 |
11,34 |
Расчетные показатели для модели объем промышленного производства - численность исследователей с учеными степенями Х4 представлены в табл.4
Как видно из таблицы в модели степенного вида невысокий уровень коэффициента детерминации (0,32), критерии Фишера и Стьюдента также ниже критического, т.е такую модель нельзя использовать для анализа, она низкого качества. Статистические характеристики модели степенного вида в общем удовлетворяют требованиям качества - r2 = 0,69; F = 11,34; tа = 3,37; tа = 2,57. Согласно уравнению степенного вида рост численности исследователей с учеными степенями на 1% ведет в среднем к росту промышленного производства на 1,89 процента.
Таким образом, анализ показал, что между промышленным производством и инновациями также наблюдается тесная корреляция. Однако если в моделях с ВРП больше прослеживалась линейная связь, то зависимость между инновациями и промышленным производством носит больше нелинейный характер.
Разработанный нами программный комплекс обеспечивает автоматизацию выполнения следующих работ: ввод исходной информации для расчёта данных необходимых для проводимого анализа; возможность редактирования и обновления данных; автоматизация расчётов; получение диаграмм и графиков на основе проведенных расчетов; предоставление отчётов; вывод данных на экран или на печать при желании пользователя.
В работе сформулирован комплекс задач автоматизации анализа и оценки влияния показателей инновационной деятельности на социально-экономические показатели региона, а также приведена характеристика входной и выходной информации комплекса задач анализа и оценки инновационной деятельности промышленности региона.
С помощью разработанного ПО нам удалось построить эконометрические модели линейного и степенного вида, характеризующие влияние показателей инновационной деятельности на валовой региональный продукт, сальдированный финансовый результат и объем промышленного производства в регионах Северо-Кавказского федерального округа. Расчетные данные показывают достаточно тесную корреляцию показателей инновационной деятельности с валовым региональным продуктом и объемом промышленного производства, тогда как с сальдированным финансовым результатом тесной связи не прослеживается.
Список литературы
Адамадзиев К.Р., Адамадзиева А.К., Магомедгаджиев Ш.М., Гаджиев Н.К.Сетевая экономика: Учебное пособие./Под ред. проф. Адамадзиева К.Р., 2-е изд., перераб. и доп.- Махачкала: Издательско-полиграфический центр ДГУ, 2011.-178с.
Дагестан в цифрах 2016[Электронный ресурс]. – Режим доступа: http://dagstat.gks.ru/wps/wcm/connect/rosstat_ts/dagstat/ru/publications/official_publications/electronic_versions/
Енин С. В. Роль информационных технологий в инновационном развитии / С. В. Енин // Весніксувязі. 2008. - №4. - С. 19-21
Магомедгаджиев Ш.М. Моделирование и оценка влияния информатизации на показатели инновационной деятельности регионов. Материалы XLI международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» Украина, Крым, Ялта-Гурзуф. //Вестник Московского университета имени С.Ю.Витте. Серия 1: Экономика и управление. С.195-197
Магомедгаджиев Ш.М., Гасанова Н.Р. Оценка влияния инновационной деятельности на основные социально-экономические показатели регионов России с помощью методов эконометрического моделирования // Фундаментальные исследования. – 2016. – № 5-2. – С. 371-376;
Регионы России. Социально-экономические показатели. 2015: Стат. сб. / Росстат. - М., 2015 г. – 1266 с.
Эконометрика: учебник / Под ред. И. И.Елисеевой. – М.: Проспект, 2011. – 288 с. [44]
7